OpenAI tegnap közzétett AI-alapú megoldásokat három olyan jelentős matematikai problémára, amelyek régóta foglalkoztatják a kutatókat. A bejelentések egyik meglepetése egy állított cáfolat volt az Exponenciális Idő Hipotézisre (ETH), amely hosszú ideje alapfeltevés a számítástudományban és meghatározó szerepet játszik abban, hogy mit tekintünk nehezen számíthatónak.
Kettős reakció: érdeklődés és kétely
Ahogy korábbi, hasonló OpenAI-kiadványoknál, a tudományos közösség vegyes reakciót mutatott: volt izgalom, de aggodalom is. Anthropic matematikusa, Levent Alpöge azt jelezte, hogy szerinte OpenAI meglévő munkára támaszkodhatott a megoldások kidolgozásakor. Néhány órával később Anthropic maga is közzétette saját ETH-cáfolatát.
OpenAI ezúttal eltérően szervezte a kiadásokat a három érintett terület szerint: a matematikusok számára GitHubon tették közzé a dolgozatokat; a számítástudósok létrehoztak egy munkacsoportot, amely a bizonyítások nyilvános megosztását és egy vitára szánt konferencia finanszírozását kérte OpenAI-tól; a fizikusok külön munkacsoportot alakítottak, amely eldönti, hogyan hozzák nyilvánosságra az ő eredményüket.
A számítástudomány válasza és a szervezett ellenőrzés
A számítástudomány válaszát MIT professzora, Ryan Williams koordinálja. Williams, akinek kutatása a számítási komplexitás kérdéseire fókuszál, korábban bírálta OpenAI módszerét, és október elején egy korábbi bizonyításközzétételt „DDOS támadásként a matematikusok ellen” jellemzett. Ennek ellenére vállalta az együttműködést a laboratóriumokkal, hogy segítsen az eredmények értelmezésében és a területet érintő kérdések továbbvezetésében.
OpenAI felkérésére Williams mellett Russell Impagliazzo és Ramamohan Paturi, a 1999-ben az ETH-t elsőként publikáló kutatók, szintén részt vesznek a folyamatban. A csapat első lépése egy nyílt levél volt, amelyben visszajelzést kérnek a témában érdekeltektől és a mesterséges intelligencia hozzájárulásaira vonatkozó normák megvitatását javasolják.
Williams elmondta, hogy a bizonyítás egyes részei rutin jellegűek lehetnek, de „van kettő vagy három idegennek tűnő rész”, amelyek miatt szerinte a közösségnek közösen kell foglalkoznia a kérdéssel.
Mi az ETH, és miért fontos ez?
Az Exponenciális Idő Hipotézis az általános P kontra NP probléma családjába tartozik. A P vs NP kérdés lényege az, hogy azok a problémák, amelyek megoldása gyorsan ellenőrizhető (NP), ugyanolyan gyorsan meg is oldhatók-e (P). Egy hétköznapi példa a Sudoku: egy kész megoldást gyorsan ellenőrizni lehet, de a megoldás megtalálása időigényes.
A legtöbb kutató feltételezi, hogy P ≠ NP; az ETH erre adott technikai bizonyítékokat ad, azzal a feltételezéssel, hogy bizonyos problémák esetén a leggyorsabb ismert algoritmusok futási ideje exponenciálisan nő a változók számával.
OpenAI és Anthropic állítása szerint AI-modelljeik olyan algoritmusokat találtak, amelyek e nehéz problémákat „szubexponenciális” időben oldják meg — tehát gyorsabban, mint ahogy korábban gondolták. Ha ez helytálló, az tudományos értelemben cáfolná az ETH-t, és elméleti úton lehetőséget teremthetne olyan algoritmusok felé, amelyek P = NP irányába mutatnak.
Lehetséges következmények és nyitott kérdések
Williams szerint minden számítástudósnak érdemes lehet felülvizsgálnia, hogy mennyire tartja valószínűnek a P = NP lehetőségét; ugyanakkor hozzátette, hogy szerinte nem valószínű, hogy OpenAI jelenlegi algoritmusa lesz a végső, legjobb megoldás.
Az ETH hosszú távú elfogadottsága miatt számos tanulmány és eredmény alapult rajta az elmúlt évtizedekben; ha a cáfolat igazolódik, ezeknek a munkáknak egy részét újra kell gondolni. Ez az oka annak is, hogy Williams nyomást gyakorolt OpenAI-ra egy témának szentelt konferencia támogatásáért — nemcsak az algoritmusok megértése fontos, hanem a terület alapjainak újrafogalmazása is.
Mielőtt azonban mélyebb elméleti változások történnének, biztonsági kérdések merülnek fel: ha jelentősen javulnak bizonyos algoritmusok, az érintheti a kriptográfiai rendszerek biztonságát is. Williams arról érdeklődött OpenAI tudományos vezetőjénél, Dan Roberts-nál, hogy ellenőrizték-e: nem repedtek-e meg kriptográfiai rendszerek a mostani eredmény miatt; OpenAI állítása szerint ellenőrizték, és meglehetősen magabiztosak voltak abban, hogy nem jelentkeznek azonnali törések.
Az AI új szerepe a tudományban és a jövő
A mesterséges intelligencia szerepe a tudományos felfedezésekben még fejlődőben van. Williams optimista, bár komoly aggodalmak is felmerülnek, különösen a következő kutatói generáció képzésével kapcsolatban. Szerinte az AI kényszeríti a kutatókat arra, hogy ambiciózusabb, elméletileg mélyebb kérdéseket tegyenek fel: ha a korábbi, középszintű problémák könnyen megoldhatók az AI számára, akkor a kutatóknak emelniük kell a tétet, és bonyolultabb, alapvetőbb kérdéseket kell megcélozniuk.
Összességében a közzétett eredmények komoly vitákat indítottak el a számítástudományban és a matematikában: a következő hetek és hónapok munkája eldönti, hogy az AI által javasolt bizonyítások milyen mértékben változtatják meg a terület alapelveit és gyakorlatait.
